論文の概要: Where you go is who you are -- A study on machine learning based
semantic privacy attacks
- arxiv url: http://arxiv.org/abs/2310.17643v1
- Date: Thu, 26 Oct 2023 17:56:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 18:14:49.395782
- Title: Where you go is who you are -- A study on machine learning based
semantic privacy attacks
- Title（参考訳）: 自分がどこにいるか - 機械学習に基づくセマンティックプライバシ攻撃に関する研究
- Authors: Nina Wiedemann, Ourania Kounadi, Martin Raubal, Krzysztof Janowicz
- Abstract要約: 本稿では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。
Foursquareのデータセットと追跡データの実験は、高品質な空間情報の悪用の可能性を示している。
以上の結果から,追跡データや空間文脈データのデータベース化のリスクが指摘される。
- 参考スコア（独自算出の注目度）: 3.259843027596329
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Concerns about data privacy are omnipresent, given the increasing usage of
digital applications and their underlying business model that includes selling
user data. Location data is particularly sensitive since they allow us to infer
activity patterns and interests of users, e.g., by categorizing visited
locations based on nearby points of interest (POI). On top of that, machine
learning methods provide new powerful tools to interpret big data. In light of
these considerations, we raise the following question: What is the actual risk
that realistic, machine learning based privacy attacks can obtain meaningful
semantic information from raw location data, subject to inaccuracies in the
data? In response, we present a systematic analysis of two attack scenarios,
namely location categorization and user profiling. Experiments on the
Foursquare dataset and tracking data demonstrate the potential for abuse of
high-quality spatial information, leading to a significant privacy loss even
with location inaccuracy of up to 200m. With location obfuscation of more than
1 km, spatial information hardly adds any value, but a high privacy risk solely
from temporal information remains. The availability of public context data such
as POIs plays a key role in inference based on spatial information. Our
findings point out the risks of ever-growing databases of tracking data and
spatial context data, which policymakers should consider for privacy
regulations, and which could guide individuals in their personal location
protection measures.
- Abstract（参考訳）: データプライバシに関する懸念は,デジタルアプリケーションの利用の増加と,ユーザデータ販売を含むその基盤となるビジネスモデルを考えると,すべてに共通している。
位置情報データは、例えば、近隣の関心点(POI)に基づいて訪問先を分類することで、ユーザの活動パターンや関心を推測できるため、特に敏感である。
それに加えて、機械学習手法はビッグデータを解釈する新しい強力なツールを提供する。
現実的、機械学習ベースのプライバシ攻撃は、データの不正確性に照らして、生の位置情報から意味のある意味的な情報を取得できる実際のリスクは何でしょうか?
そこで本研究では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。
foursquareのデータセットと追跡データによる実験は、高品質な空間情報の悪用の可能性を示しています。
位置難読化が1kmを超えると、空間情報は価値をほとんど加えないが、時間情報のみから高いプライバシーリスクが残る。
POIsのような公開コンテキストデータの可用性は、空間情報に基づく推論において重要な役割を果たす。
本研究は,プライバシ規制について政策立案者が考慮すべきデータと空間コンテキストデータの追跡データベースのリスクを指摘し,個人の位置情報保護対策を指導する可能性を指摘した。
関連論文リスト
- A Survey on Differential Privacy for SpatioTemporal Data in Transportation Research [0.9790236766474202]
交通機関では、時空間データ収集が急増している。
このようなデータにおける微分プライバシーの最近の発展は、応用プライバシーの研究につながっている。
個人情報を公開することなく、研究や推論におけるこのようなデータの必要性に対処するために、重要な研究が提案されている。
論文 参考訳（メタデータ） (2024-07-18T03:19:29Z) - Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。
本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。
我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
論文 参考訳（メタデータ） (2024-07-04T08:29:27Z) - Measuring Privacy Loss in Distributed Spatio-Temporal Data [26.891854386652266]
本稿では,情報提供者による位置復元攻撃に対する代替プライバシ損失を提案する。
実データと合成データに関する我々の実験は、分散環境での個人のプライバシー侵害に対する直感を反映していることを示している。
論文 参考訳（メタデータ） (2024-02-18T09:53:14Z) - Privacy risk in GeoData: A survey [3.7228963206288967]
我々は、地理データにおける個人のプライバシーを保護するために提案された異なるジオマスキング手法を分析した。
本稿では,これらの手法を様々な次元にわたって特徴付ける分類法を提案する。
提案した分類学は,データカストディアンの実践的資源として機能し,既存のプライバシーメカニズムの広範囲をナビゲートする手段を提供する。
論文 参考訳（メタデータ） (2024-02-06T00:55:06Z) - Where have you been? A Study of Privacy Risk for Point-of-Interest Recommendation [20.526071564917274]
モビリティデータは、ロケーションベースサービス(LBS)のための機械学習(ML)モデルを構築するために使用できる。
しかし、この種のデータには、自宅や職場など、ユーザの身元に関する機密情報が含まれている可能性があるため、プライバシー漏洩のリスクが伴う。
我々は,POI(point-of-interest)レコメンデーションモデルに適したデータ抽出とメンバシップ推論攻撃を含むプライバシ攻撃スイートを設計する。
論文 参考訳（メタデータ） (2023-10-28T06:17:52Z) - PrivacyMind: Large Language Models Can Be Contextual Privacy Protection Learners [81.571305826793]
コンテキストプライバシ保護言語モデル(PrivacyMind)を紹介する。
我々の研究はモデル設計に関する理論的分析を提供し、様々な手法をベンチマークする。
特に、肯定的な例と否定的な例の両方による命令チューニングは、有望な方法である。
論文 参考訳（メタデータ） (2023-10-03T22:37:01Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining [75.25943383604266]
大規模なWebスクレイプデータセットの使用は、差分プライバシ保存と見なすべきかどうかを疑問視する。
Webデータ上で事前訓練されたこれらのモデルを“プライベート”として公開することで、市民のプライバシーに対する信頼を意味のあるプライバシの定義として損なう可能性があることを警告します。
公的な事前学習がより普及し、強力になるにつれて、私的な学習分野への道のりを議論することで、我々は結論づける。
論文 参考訳（メタデータ） (2022-12-13T10:41:12Z) - PRIVEE: A Visual Analytic Workflow for Proactive Privacy Risk Inspection
of Open Data [3.2136309934080867]
個人情報を含むオープンデータセットは、匿名化しても敵攻撃の影響を受けやすい。
我々は、ローカルで結合可能なデータ地区における開示リスクを、データディフェンダーが認識できるようにするビジュアル分析ソリューションを開発した。
我々はこの問題とドメイン特性を用いて、防御機構としての視覚的分析的介入のセットを開発する。
論文 参考訳（メタデータ） (2022-08-12T19:57:09Z) - Releasing survey microdata with exact cluster locations and additional
privacy safeguards [77.34726150561087]
本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。
当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
論文 参考訳（メタデータ） (2022-05-24T19:37:11Z) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳（メタデータ） (2020-05-04T04:25:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。